[发明专利]一种基于粒子群优化的蚁群算法求解TSP问题的方法

权利要求书

1.一种基于粒子群优化的蚁群算法求解旅行商问题的求解方法，其特征在于该方法包括如下步骤：

S1.蚁群算法求解TSP问题；

TSP问题是指给定n个城市，有一个旅行商从某一城市出发，访问各城市一次且仅有一次后再回到原城市，要求找到一条最短的巡回路径；利用蚁群算法，可根据蚂蚁在访问每条路径后留下的信息素来实现蚂蚁间的相互信息传递，搜索TSP问题中的最短路径；

S2.粒子群算法结合蚁群算法进行参数的优化训练；

根据粒子群算法的特点，将每个蚂蚁子群的(q₀,α,β,ρ,m)5个参数作为粒子群的一个粒子，并重复调用蚁群算法，选取蚁群算法求解到的路径长度作为判断参数优劣的标准；通过粒子群来优化各蚂蚁群的开发与探索的能力，从而避免了蚂蚁群过早的收敛到局部最优解。

2.根据权利要求1所述的基于粒子群优化的蚁群算法求解旅行商问题的求解方法，其特征在于所述步骤S2，具体处理步骤如下：

S21:设P表示参数的集合，定义n+1个初始粒子，分别为P₀,P₁,P₂,…,P_n；

S22:每个粒子P_i(i＝1,2,3,…,n)对应一组参数(q₀,α,β,ρ,m)，将每个粒子对应的参数值代入到蚁群算法进行计算，每调用一次蚁群算法后，将计算出的结果记为适应值，同时将积累的信息素清零；

S23:由蚁群算法计算得出的适应值来判断该粒子所处环境的好坏，以此来决定是否需要对P_best和G_best进行更新；

S24:依照以下式子对粒子的速度和位置进行更新：

V_i(k+1)＝wV_ik+r₁c₁(P_best-x_i(k))+r₂c₂(G_best-x_i(k))

x_i(k+1)＝x_ik+V_i(k+1)

在以上式子中，w为惯性权重，一般取非负数，可以减缓粒子的运动过程，合适的惯性权重能减少迭代次数的同时决定最佳解决的方案；r₁和r₂为两个随机数，二者相互独立；c₁和c₂为两个非负常数，取值通常介于0到2之间，通常取2；其中c₁为均衡粒子趋向自己最优位置的权重，c₂为均衡粒子趋向全局最优位置的权重；P_best是当前粒子找到的最优位置，G_best是所有粒子在全局所找到的最优位置；V_i(k+1)是粒子在第k+1代的速度，x_i(k+1)是粒子在第k+1代的位置；

S25：设粒子群的进化代数为20，当达到最大进化代数时，返回当前全局中粒子的最优位置，则该粒子(q₀,α,β,ρ,m)中的五个参数为所期望的最佳参数。

3.根据权利要求1所述的基于粒子群优化的蚁群算法求解旅行商问题的求解方法，其特征在于所述步骤S2中粒子对应的参数个数为5。